随着信息技术的高速发展和普及，计算机系统已成为各个单位业务管理的核心平台，其数量与日俱增，资源和环境监控预警系统是解决如何监控计算机机房中的服务器和其他环境状态的系统。该系统使用软硬件等技术手段，搜集到机房和服务器状态等数据，如何利用搜集到的大量原始数据进行处理，是本文的研究重点也是现在的技术热点。本论文的研究重点是如何对数据进行融合处理，从而准确地做出风险告警和对系统状态评估。在数据融合系统的架构设计上，从系统数据特点出发，结合数据融合模型理论基础，设计出相应的数据级、特征级、决策级融合的过程，各级的数据融合过程中综合运用了变量聚类、神经网络、模糊推理、数据融合、数据挖掘等技术。论文首先对基础知识进行研究，根据资源和环境监控系统的特点，和数据融合要求，设计数据融合模型。讨论数据级融合，利用了自适应加权融合算法对数据进行预处理。在数据级融合基础上，论文讨论了基于BP神经网络的特征级融合。首先对决策级融合各项数据做相关性分析，对系统数据做变量聚类分析，然后完成对神经网络的分析与设计，用遗传算法对BP神经网络进行改进，最后用程序进行实现，对改进算法效果进行分析。在数据特征级融合之后，研究了基于模糊理论的决策级融合，经过对输入模糊化、建立规则、模糊推理、反模糊化的研究，用matlab实现模糊推理，最后对模糊推理结果进行分析。